度小满金融智能语音机器人每天人机对话样本数量达到百万级别。在客户还款环节，机器人会引导客户澄清其还款方式、希望还的期数等信息，而当客户咨询完某一期要还的金额后，客户再问“下一期呢”，机器人能直接给出答案。在用户提问的同时客服会进行输入联想，即时呈现与用户输入内容相关的热门问题。

　　今年6月，度小满金融智能机器人客服正式上线，结合金融特定的场景需求，度小满机器人已经应用到了新客申请流失召回、老客运营、贷后管理、用户在线咨询等多个环节。

　　在应用环节，对内，智能机器人为客服、销售、催收等场景提供机器人外呼能力，业务转化指标不低于人工外呼效果，满足业务的高并发外呼数量需求，保证人机对话交流过程足够顺畅，使用户对与机器人交互的内容无明显感知差异；对外，智能机器人为金融行业的合作伙伴，提供金融场景相关的人机对话能力，帮助合作伙伴提升企业运营效率。

　　目前，度小满金融智能机器人可替代40%—50%的人力，成本仅为人工客服成本的 1%。同时，使用机器人后，回款率可提升3%—5%，提升效率的同时大大节省了金融机构外呼成本。

　　度小满机器人主要具备以下能力：听说能力，基于百度语音技术能力，通过ASR实现语音数据流实时转化为文本文字，通过TTS实现文本文字实时转化生成语音数据流，且转化时间开销低于100MS，保证人机对话的整体流畅度；在机器人与用户的沟通过程中，用户说话内容通过底层运营商线路实时传送到服务端，服务端通过ASR将语音转化成文本；机器人的话术内容，通过TTS实时合成语音数据流，再通过底层运营商线路实时传送给用户，最终实现人机对话；

　　理解能力，基于百度自然语言理解深度学习框架unit，实现用户说话的文本文字意图识别，比如当用户询问自己的信贷产品能够贷到多少钱时，机器人通过unit实时识别出用户询问产品的额度意图，此时就能够依赖用户当前的意图，给出额度相关的标准话术内容，解答用户关于额度相关的问题，自然语音理解能力可以说是机器人的大脑核心能力；

　　决策能力，当机器人听到并识别出用户的真正意图后，需要做出回复话术内容的决策，这个决策能力依赖每个应用场景预先提炼出的交互决策树，如用户问APP如何操作时，机器人在交互决策树中找到上下文相关的节点对应话术，选择并通过TTS合成语音后发送给用户；每个具体应用场景里的交互决策树是不同的，根据实际情况会配置多棵决策树；决策树越完善，就越能够更好的解答用户问题；同时决策树也是需要结合日常外呼的大量样本不断完善优化。

　　同时，度小满通过用户画像，为用户匹配最佳机器人。金融场景里的用户需求各异，问题开放程度比较高，千差万别，需要通过精准的用户画像，提前识别出用户的潜在需求和问题，做好预判和准备工作，然后匹配能够解答相关问题的机器人，事先锁定沟通决策树的大致范围，并保证决策树中的分支是足够完备的，为用户提供相关问题的精准答案；本项目中的用户画像是通过机器学习模型实现的，包括用户问题预测模型、用户需求响应模型、用户还款风险预测模型等等，这些模型使机器人能够更好的了解用户，从而在人机对话过程中更好的满足用户需求和体验。

　　未来，度小满机器人将在用户意图理解与识别准确率上更加精进。当前度小满金融客服、电销、催收场景的意图识别准确率为85~90%，需要优化深度学习的算法提升到95%以上，从”鹦鹉学舌”阶段进化到”乌鸦喝水”阶段（ “鹦鹉学舌”是人类语言的模仿行为，类似于当前由数据驱动的AI。“乌鸦喝水”则是一个完全的自主行为，其含括了感知、认知、推理、学习和执行，这是智能客服朝想象力、创造力更高层次的进阶。  市面上的大部分机器人还处在第一个阶段，不具备自主学习能力）

　　同时，度小满将提升机器人话术的自动学习与生成能力。目前机器人话术主要依赖业务预先提炼，配合互动决策树的机制，但在话术缺失的场景下体验极差，需要对线上海量业务员电话内容进行深度学习挖掘，自动生成话术，让机器人晋升为问不倒的”高级业务话务员”